Desarrollo de un algoritmo para detección de esteganografía LSB en imágenes digitales a color usando redes neuronales convolucionales.
Date
2021xmlui.dri2xhtml.METS-1.0.item-advisor
Miranda Calle, Julián Darío
xmlui.dri2xhtml.METS-1.0.item-type
bachelorThesis
Citación
Metadata
Show full item recordDocuments PDF
Abstract
En el presente trabajo de investigación, se plantea el desarrollo de un algoritmo mediante redes neuronales
convolucionales que permita la detección de esteganografía LSB en imágenes digitales a color, con el fin de
coadyuvar a la detección eficiente, precisa y automatizada de esteganografía, mitigar posibles amenazas o
ataques de terceros y proteger los sistemas de información y la infraestructura tecnológica de las
organizaciones; teniendo en cuenta las limitaciones que se presentan para efectuar estegoanálisis y para
detectar visualmente el ofuscamiento de datos o mensajes en las imágenes. El proyecto se lleva a cabo
mediante la revisión del estado del arte de investigaciones previas en la detección de esteganografía LSB,
seguido por la generación de un conjunto de datos para el entrenamiento y prueba del algoritmo, el diseño del
algoritmo de Deep Learning mediante redes neuronales convolucionales y la validación del algoritmo mediante
métricas de desempeño. Entre los modelos desarrollados para la detección de esteganografía en imágenes a
color, las métricas más elevadas obtenidas fueron: F1 score de 66.00%, tiempo medio de estimación de 55.95
milisegundos y tiempo de entrenamiento de aproximadamente una hora con 15 minutos por epoch.
Experimentos adicionales fueron propuestos, de los cuales uno de ellos alcanzó un F1 score de alrededor de
93.00% a partir de un modelo más interpretable y menos complejo en su arquitectura. In the present research work, the development of an algorithm using convolutional neural networks is
proposed, which allows the detection of LSB steganography in color digital images, to contribute to the
efficient, precise and automated detection of steganography, mitigate possible threats from third parties and
protect the information systems and technological infrastructure of organizations; considering the limitations
that are presented to make steganalysis, and to visually detect the obfuscation of data or messages in images.
The project developed by reviewing the state of the art of previous investigations in the detection of LSB
steganography, followed by the generation of a data set for the training and testing of the algorithm, the design
of the Deep Learning algorithm through convolutional neural networks and validation using performance
metrics. Between the developed algorithms for the detection of steganography in color images, the highest
metrics were: F1 score of 66.00%, an average prediction time of 55.95 milliseconds and a training time of
around one hour and 15 minutes per epoch. Additional experiments were proposed, of which one of them
reached an F1 score of around 93.00% from an interpretable algorithm and less complex in its architecture.
Keyword/s
Ingeniería de Sistemas e Informática
Esteganografía LSB
CNN
Aprendizaje Profundo
Aprendizaje Automatizado
Imágenes RGB
Collections
- Trabajos de grado [6688]
The following license files are associated with this item: